Escrito por: Shenchao TechFlow
Mañana, el esperado $BIO finalmente se lanzará. Como un proyecto del sector DeSci respaldado personalmente por Binance, el mercado especula si el lanzamiento de $BIO impulsará una fuerte tendencia en el sector DeSci y drenará algo de liquidez del sector de IA.
Pero, ¿son necesariamente competitivos los sectores de IA y DeSci? No. El proyecto YesNoError en la cadena de Solana, que ha sido muy discutido recientemente, ha encontrado un camino que fusiona DeSci con IA, utilizando tecnología de IA para revisar y descubrir errores en artículos de investigación.
Su token $YNE alcanzó un valor de mercado de 60 millones de dólares el día de su lanzamiento, el 20 de diciembre, y luego fue respaldado nuevamente por el conocido KOL de Twitter, Andrew Kang (en adelante, AK); actualmente su valor de mercado ronda los 50 millones de dólares.
¿Es realmente necesario que la IA revise artículos científicos?
Si aún no entiendes dónde radica la utilidad de YesNoError, un tuit explicativo del miembro del equipo de YesNoError, Ben Parr, ilustra la necesidad de revisar la información errónea en los artículos científicos:
En octubre de 2024, un artículo de investigación afirmaba que los utensilios de cocina de plástico negro contenían toxinas, y esta noticia se propagó rápidamente en los medios. (The Atlantic) incluso publicó un artículo titulado "Deshazte de tus utensilios de cocina negros", provocando pánico entre el público. Incluso el propio Ben Parr comenzó a limpiar sus utensilios de cocina. Sin embargo, Joe Schwartz, director de la Oficina de Ciencia y Sociedad de la Universidad McGill, descubrió un error matemático importante en este estudio: un simple error de multiplicación llevó a que el nivel de toxicidad informado fuera 10 veces más alto que el nivel real. Este caso muestra que incluso las investigaciones que parecen autorizadas pueden contener errores significativos, y estos errores pueden tener un impacto real en la vida de las personas comunes.
Si se utiliza tecnología de IA para revisar artículos de investigación, se pueden evitar al máximo estos errores de cálculo numérico de bajo nivel. YesNoError nació precisamente de esta necesidad.
YesNoError fue creado por Matt Schlicht, utilizando el modelo o1 de OpenAI como base tecnológica. La forma en que opera el proyecto es bastante directa: el equipo utiliza IA para revisar artículos de investigación y luego publica los problemas encontrados en su sitio web yesnoerror.com y en Twitter oficial.
Este enfoque transparente permite que tanto la comunidad científica como el público se enteren a tiempo de posibles problemas en investigaciones importantes. Aunque el proyecto apenas ha comenzado, ya ha logrado algunos resultados significativos, encontrando varios errores en las investigaciones.
El token $YNE también se ha dotado de un caso de uso práctico, donde los poseedores pueden gastar $YNE para priorizar la revisión de sus artículos por parte de YesNoError AI.
Hasta ahora, YesNoError AI ha revisado 2219 artículos y ha encontrado varios errores en estos artículos.
Reconocimiento o cuestionamiento, algunas voces en el mercado
AK está optimista y publica con entusiasmo.
El día del lanzamiento del token $YNE, AK, que siempre ha apoyado DeSci, expresó su aprecio por el proyecto YesNoError.
AK afirma que "el valor central de YesNoError radica en la verdadera realización de criptomonedas x IA x DeSci".
YesNoError aprovecha las características del ecosistema de criptomonedas; en este entorno especial, el capital no necesita un retorno de inversión tradicional. Mientras puedas atraer suficiente atención, puedes obtener el apoyo financiero adecuado. (Es decir, economía de la atención, si hay personas interesadas, habrá personas comprando tokens.)
Al mismo tiempo, YesNoError también ha encontrado una buena dirección de aplicación para las criptomonedas. En los escenarios adecuados, los tokens ya no son solo aire, sino que realmente pueden apoyar productos públicos que son difíciles de mantener con modelos comerciales tradicionales.
Quizás porque realmente tiene expectativas (¿o tiene una buena cantidad de tokens?), el 31 de diciembre, AK volvió a publicar un artículo presentando y elogiando la necesidad y utilidad de YesNoError desde una perspectiva de datos.
AK afirma que YesNoError es capaz de revisar errores en más de 90 millones de artículos en la base de datos científica mundial y que puede completar esta tarea en unas pocas semanas o meses. Si se hiciera manualmente, llevaría miles de años; incluso formar un equipo de 5000 doctores tomaría casi diez años (y durante esos diez años no se podría seguir el ritmo de la publicación de nuevos artículos), y se estima que costaría 5.4 mil millones de dólares.
Y con el modelo de IA optimizado, solo se necesita alrededor de 30 millones de dólares (0.3 dólares por artículo) para completar un trabajo de revisión más preciso y estandarizado, lo que representa menos del 1% del costo de la revisión manual.
Si se tratara del campo científico tradicional, recaudar 30 millones de dólares también sería un gran proyecto, pero evidentemente en el ámbito de las criptomonedas, esto es mucho más fácil. (Aunque incluye muchos factores de especulación, en solo diez días, el valor de mercado de $YNE ya ha alcanzado los 50 millones de dólares.)
Hasta ahora, este agente de IA ha revisado más de 1700 artículos, encontrando una tasa de error de alrededor del 3-4%. Con las optimizaciones continuas, su velocidad de procesamiento también se incrementará. Entre 90 millones de artículos, es muy probable que muchos artículos importantes contengan errores significativos, y corregir estos errores tendrá un impacto positivo sustancial en el mundo.
La cuenta oficial de BIO Protocol también está de acuerdo con la opinión de AK:
¿Es una demanda falsa? Veamos diferentes voces.
Además de las voces optimistas, también hay quienes cuestionan la necesidad real de YesNoError.
Kyle Samani, cofundador de Multicoin Capital, planteó objeciones a este artículo de AK:
Kyle cree que, según la regla del 80/20, solo unos pocos artículos son realmente importantes, y estos artículos importantes, debido a la atención que reciben, son poco propensos a contener errores conocidos.
Sin embargo, Andrew Kang refutó esto con datos. Señaló que, incluso según la lógica de Kyle, en 90 millones de artículos, suponiendo que solo el 5% son importantes, eso aún dejaría 4.5 millones de artículos importantes. Incluso si solo el 0.1% de esos artículos importantes tiene una tasa de error, eso aún significaría que hay 4500 artículos importantes que requieren corrección. Y el caso mencionado del "estudio de la pala negra" demuestra que incluso los artículos de gran impacto pueden contener errores que tienen cierto efecto en la sociedad.
Resumen
La revisión de artículos por IA no es algo nuevo; desde que ChatGPT salió al mercado, ya ha habido muchos casos de uso de IA para la revisión de artículos. Y en el ámbito de las criptomonedas, la aparición de YesNoError podría resolver problemas de errores en artículos científicos y, al mismo tiempo, tener un desarrollo real en el uso de criptomonedas más allá de la especulación (aunque actualmente puede estar aún en las etapas iniciales del proyecto, parte de su valor aún depende del entusiasmo especulativo del mercado).
Y volviendo a las conductas del mercado, aunque muchos comportamientos optimistas en el mercado se pueden resumir como "el trasero decide la cabeza", si el proyecto es realmente viable y tiene un valor práctico más allá de la especulación, entonces este comportamiento de "ganar dinero de pie" seguramente será reconocido por el mercado.
Cómo se desarrollará YesNoError en el futuro aún depende de la determinación del proyecto para seguir adelante después de que pase el entusiasmo especulativo del mercado. Mantendremos la atención.
Espero que haya cada vez más proyectos que beneficien al mundo.
